Воссоединение фрагментированных древних бамбуковых дощечек с помощью физически-информированного глубокого обучения

Собирая разбитое прошлое

По всей Восточной Азии многие из самых ранних книг были не переплетёнными томами бумаги, а длинными тонкими полосками бамбука, покрытыми чернилами. Проведя под землёй более двух тысяч лет, многие из этих хрупких памятников до нас дошли в виде беспорядочных кучек крошечных кусочков. Ручное определение того, какой фрагмент сочленяется с каким, может занимать у экспертов недели ради одной совпавшей пары. В этом исследовании представлена WisePanda — новая система искусственного интеллекта с учётом физических законов, которая помогает учёным гораздо быстрее и точнее воссоединять эти древние бамбуковые дощечки, открывая более быстрый путь к словам и идеям, что они хранят.

Почему древний бамбук важен сегодня

Бамбуковые дощечки сохраняют всё: от правовых кодексов и официальных отчётов до философских текстов и календарей повседневной жизни ранней китайской истории. Поскольку бамбук прочен, многие дощечки уцелели под землёй с сохранившимся письмом. Тем не менее землетрясения, давление грунта, влага и микробы расчленили множество дощечек на тысячи неправильных кусочков. Края деформированы и размыты, а иероглифы часто не доходят до обломанных краёв. В результате сопоставление фрагментов «на глаз» похоже на решение гигантской головоломки, где большая часть картины отсутствует. Традиционные компьютерные инструменты, сравнивающие формы кривых, испытывают затруднения, поскольку шаблоны разрушений чрезвычайно сложны и сильно изношены.

Обучение машины следовать трещинам

Вместо того чтобы просить компьютер учиться исключительно на немногих парах фрагментов, которые археологи уже сопоставили вручную, подход WisePanda начинается с физики того, как бамбук ломается и разрушается. Авторы моделируют бамбук как плотно упакованные вертикальные волокна. Они симулируют, как боковые силы заставляют трещины извиваться по этим волокнам пучок за пучком, следуя известным законам механики разрушения. Затем они имитируют столетия захоронения, выборочно «эродируя» выступы и острые точки вдоль обломанного края, подражая тому, как влага и микробы съедают выступающие участки. Настраивая эту виртуальную машину «разломов и распада» так, чтобы её синтетические края статистически походили на реальные раскопанные, они способны генерировать огромные объёмы реалистичных совпадающих пар фрагментов без ручной разметки человеком.

Как работает умный ранжирующий движок

Эти смоделированные пары питают нейронную сеть, предназначенную для определения того, принадлежат ли два края фрагментов друг другу. Каждый край сводится к простому профильному кривому, отобранному в десятках точек, что удаляет отвлекающие детали, такие как цвет или текстура поверхности. Сеть обучается на триплетах примеров: правильной паре, которую нужно оценивать как похожую, и третьем, несвязанном кривом, которую нужно оценивать как сильно отличающуюся. Со временем она выстраивает внутреннее представление о том, как выглядят подлинные совпадающие линии разлома. Получив реальный фрагмент, WisePanda сравнивает его край со всеми другими в коллекции и выдаёт ранжированный список наиболее перспективных партнёров, превращая поиск среди тысяч кандидатов в короткий, управляемый чек-лист для человеческих экспертов.

Испытание метода

Команда оценивала WisePanda на оцифрованных фрагментах из гробницы Западной Хань в Китае, где археологи уже кропотливо воссоединили 118 пар дощечек. В тестах, где правильный партнёр был скрыт среди сотен или более чем тысячи кандидатов, WisePanda стабильно находила истинную пару в верхней части своих предложений, превосходя ряд классических алгоритмов сравнения кривых и современных генеративных моделей. Даже при применении к деревянным дощечкам, волокна и паттерны распада которых отличаются от бамбука, система всё равно давала полезные подсказки, что указывает на возможность адаптации физически-основного подхода к другим материалам при дальнейшей настройке.

Новые инструменты для спасения культурного наследия

WisePanda демонстрирует, как сочетание физического понимания и глубокого обучения может преодолеть ключевое узкое место в работе с культурным наследием: недостаток больших ручных размеченных обучающих наборов. Сначала моделируя, как артефакты ломаются и стареют, а затем обучая сеть на этих синтетических, но реалистичных данных, авторы предлагают практический инструмент, который археологи уже используют для сужения поиска совпадений. Проще говоря, система не заменяет экспертов; она выступает в роли интеллектуального ассистента, сортирующего стогу сена, чтобы люди могли быстрее найти иголки. По мере разработки аналогичных физически-ориентированных методов для керамики, древесины, металла и других материалов они могут изменить способы, которыми музеи и исследователи по всему миру восстанавливают хрупкие остатки нашего общего прошлого.

Цитирование: Zhu, J., Zhao, Z., Lei, H. et al. Rejoining fragmented ancient bamboo slips with physics-driven deep learning. Nat Commun 17, 3550 (2026). https://doi.org/10.1038/s41467-026-70361-y

Ключевые слова: бамбуковые дощечки, культурное наследие, глубокое обучение, восстановление фрагментов, физически-информированный ИИ